基于图像周期噪声滤除算法的研究.doc

基于图像周期噪声滤除算法的研究.doc

《基于图像周期噪声滤除算法的研究.doc》由会员分享，可在线阅读，更多相关《基于图像周期噪声滤除算法的研究.doc（47页珍藏版）》请在冰豆网上搜索。

本科学生毕业论文

论文题目：

基于图像周期噪声滤除算法的研究

学院：

电子工程学院

年级：

专业：

通信工程

姓名：

学号：

指导教师：

201年05月25日

摘要

图像的去噪算法研究一直是图像处理的重要内容。

本文简要介绍了图像噪声的分类，并详细介绍了其中重要的一类噪声即周期噪声；同时，论文也介绍了常用的各种去噪滤波器原理及其适用场所，并集中介绍了在不同情况下如何利用带阻滤波器和陷波滤波器来去除图像周期噪声。

本文的主要内容是对周期噪声图像的去噪处理，并以此为依据来达到图像增强的目的。

论文通过MATLAB仿真分析得出，带阻滤波器适合滤除含噪声频点较多的图像，而陷波滤波器适合滤除含噪声频点数较少的图像，这样既能在滤除噪声的同时，也能较好的保持原图像的信息。

由于图像周期噪声的获取一般产生在图像的采集过程中，通过本文的去噪算法研究可以更有效的为数字图像进行后续处理，从而产生更好的处理效果。

关键词

图像噪声；频域滤波；周期噪声；陷波滤波器

Abstract

Imagedenoisingalgorithmresearchhasalwaysbeenanimportantcontentofimageprocessing.Thispaperbrieflyintroducestheclassificationoftheimagenoise,andintroducesoneofthemostimportantcategory-periodicnoiseindetail;Atthesametime,thepaperalsointroducesthebasicpincipleofvariousfiltersandtheirapplicablefields,andconcentratedonintroducinghowtousetheband-rejectfilterandnotchfiltertoremovetheperiodicnoiseoftheimageunderdifferentcircumstances.Themaincontentofthisarticleistheperiodicnoiseimagedenoisingprocessing,achievingthegoalofimageenhancement.BasedonMATLABsimulationanalysis,thispaperconsiderthatband-rejectfilterissuitableforfilteringmorefrequencypointsimage,andthenotchfilterissuitablefortheimagefilteringoflessnoisefrequencypoints,sothatcanfilteroutnoiseatthesametime,andkeeptheoriginalimageinformationbetter.

Duetotheimageperiodicnoisegenerallyproducesintheimageacquisitionprocess,throughthedenoisingalgorithmresearchinthispaper,wecanbemoreeffectivewhengoonadigitalimagesubsequentprocessing,andresultinginabetterprocessingeffect.

Keywords

Imagenoise;frequencydomainfiltering;periodicnoise;notchfilter

II

目录

摘要 I

Abstract II

前言 1

第一章图像处理与MATLAB 2

1.1引言 2

1.2数字图像处理 2

1.3关于MATLAB图像处理工具箱 3

1.4MATLAB关于图像处理的部分基本操作 4

1.5MATLAB关于图像变换的几个函数 6

1.6本章小结 6

第二章图像噪声简介 7

2.1引言 7

2.2图像噪声的分类 7

2.2.1图像周期噪声的基本概念 8

2.2.2周期噪声的基本模型 9

2.2.3图像周期噪声的MATLAB加入 9

2.3本章小结 11

第三章滤除算法的研究 12

3.1引言 12

3.2低通滤波器 12

3.3高通滤波器 14

3.4带阻滤波器 16

3.5陷波滤波器 18

3.6频域滤波器的MATLAB实现 21

3.7周期噪声的滤除算法研究 21

3.8周期噪声的滤除算法的评估 24

3.8.1客观准则 24

3.8.2主观准则 25

3.8.3论文去噪算法评估 26

3.9本章小结 28

结论 29

参考文献 30

附录一 31

附录二 31

附录三 32

附录四 32

附录五 36

附录六 37

附录七 37

致谢 40

基于图像周期噪声滤除算法的研究

前言

人类传递信息的媒介主要是语言和图像。

据不完全统计，在人类接受的各种信息中视觉信息占75%，所以图像信息是非常重要的信息传递媒体和方式[1]1。

数字图像处理系统包括图像采集、图像处理和分析、图像存储、图像显示、图像通信这五个部分[1]2，

在实际应用中，上图中各个部分均有可能导致图像质量变差，使图像所传递的信息无法正常读取和识别。

例如，在图像采集过程中由于光照环境或者物体表面反光等原因造成的图像整体光照不均，或者在图像采集系统采集图像过程中由于机械设备的缘故无法避免的加入了采集噪声，或是图像显示设备的缺陷造成图像的显示层次感有所降低或颜色有所减少等。

因此研究有效且快速地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一[2]。

随着各种数字设备的普及，图像已成为人类最常用的信息载体之一，正如前文所述，图像涵盖了物体的大量信息，成为人们获知外界信息的重要途径之一。

然而在图像的获取、传输和存贮过程中常常会受到各种噪声的干扰和影响从而使图像质量下降，而且图像预处理的好坏又会直接关系到后续图像处理的效果，即影响到图像分割、目标识别、边缘提取等其他有关的图像处理过程，所以为了获取较高质量的数字图像，很有必要对图像进行降噪处理，以期在尽可能保持原始图像信息完整性的同时，又能够去除所得信号中无用的信息。

所以，图像去噪处理[3]一直是图像处理和计算机视觉研究的热点。

本文重点研究的内容是具有特定频点的图像周期噪声的滤除算法研究，图像去噪是图像增强的重要内容，自然也就成为图像处理的重要支撑，关于图像处理的主要目的有两个：

一是改善视觉质量；二是满足机器视觉的需求。

第一章图像处理与MATLAB

1.1引言

数字图像处理就是采用特定的算法，用计算机对图像进行分析以及处理，以满足人眼视觉或者其他设备（如计算机视觉输入设备）的需求。

目前，数字图像处理技术在众多应用领域已经得到了广泛研究和应用，并取得了巨大成就[4]。

与此同时，MATLAB作为一种面向科学与工程的高级编程语言，其强大的数据分析和处理能力，使其在数字图像处理研究以及分析等方面，得到工程技术人员的一致青睐。

1.2数字图像处理

数字图像处理是指用通用计算机或者其他专用DSP（digitalsignalprocessing）芯片对数字图像进行分析、加工处理，希望得到人们所需目标的过程，其结果可以是一幅图像也可以是图像的某些特征。

其主要内容包含以下几个方面。

（1）图像获取图像获取主要是研究如何把一副光学图像表示成一幅数字图像，或者说成是把一幅模拟图像（如照片、画片等）转换成适合计算机或者数字设备处理的数字信号[5]。

通常来说一幅连续的光学图像需要经过采样、量化和编码才能形成数字图像。

（2）图像变换变换是一种重要的分析方法，不仅在信号分析，电路分析，数学等领域里有重要的应用价值，在图像处理中也是一种强有力地分析方法。

其主要思想就是通过赋予原始信息的一种新的表现形式以达到在新的变换域分析或者得到原始信息不易发觉的信息。

图像变换是图像处理和图像分析的基础，其研究的主要内容是将图像从空间域变换到另一个工作域（如频域，小波域等），并在变换域完成对图像的处理和分析，通过反变换得到处理后的目标图像[6]，图像变换可以完成空域中大部分复杂的处理运算。

（3）图像增强图像增强处理是数字图像处理的一个重要分支[7]。

其主要目的有两个：

一个是改善图像的视觉质量，如增强图像的对比度、提高图像的亮度，去除图像的噪声等；二是满足机器视觉的需求，更好地进行机器视觉处理。

图像增强的实现有利于完成对图像的识别、理解和跟踪等。

图像增强的途径主要有两个：

一是空域增强，另一种是变换域增强。

前者是指直接在空间域对图像进行处理，后者是指在变换域对图像增强，然后经由反变换得到增强图像。

总的来说，图像增强就是要突出图像中研究人员感兴趣的区域部分。

（4）图像复原图像的形成受到传感器噪声、烟尘及云雾等恶劣天气、光照不均等各种因素的影响，导致了图像质量的降低，称之为图像退化[8]。

而图像复原就是根据图像退化的原因对其进行复原从而得到一幅质量更高的图像。

（5）图像编码为了满足图像可以更有效的进行存储和传输，需要在保证图像质量的前提下对图像进行编码压缩，在一定程度上来说，图像编码属于图像压缩的研究范畴，支持图像编码的理论基础在于图像本身存在众多冗余信息。

根据编码过程中是否存在图像信息的损失可以将其分为有损压缩编码和无损压缩编码；根据统计特性可以将图像编码分为熵编码、预测编码、变换编码等；按照空间和变换域冗余特征可以将其分为空域编码和变换与编码等；也可从去除冗余的角度来分为去编码冗余、去空间冗余和去视觉冗余三种类型。

图像编码的分类非常丰富，在此不做过多介绍，有兴趣的读者可参阅文献[9]~[12]。

（6）图像分割图像分割就是把图像分割成若干个特定的、具有独特性质的区域，并提出感兴趣目标的技术和过程。

它是图像处理中的重要问题之一，也是计算机视觉研究中的一个经典难题[13]。

现有的图像分割方法主要有以下几类：

基于阈值的分割、基于区域的分割、基于边缘的分割以及基于特定理论的分割等。

近年来，研究人员不断改进原有积累的图像分割方法并把其它学科的一些新理论和新方法融合到图像分割，提出了不少新的分割方法和分割理论。

1.3关于MATLAB图像处理工具箱

MATLAB是一种基于向量（数组）的高级编程语言，因此从本质上就提供了对图像数据处理的支持，而且MATLAB为从事图像处理的工作人员提供了直观的图像处理工具箱。

图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作[14]。

用户可以用其来完成对图像的变换、复原、增强等一系列处理，其按具体功能可以分为以下几类：

第一，图像增强，包括滤波（含图像去噪）、去模糊和增强图像对比度；

第二，图像分析，包括图像的特征检测、图像分割等内容；

第三，图像的空间变换；

第